Agentes baseados em metas Capítulo 3 Parte I

Transcrição

1 Agentes baseados em metas Capítulo 3 Parte I Leliane Nunes de Barros leliane@ime.usp.br

2 Agente reativo simples também chamado de agente situado ou agente estímulo-resposta reage a estímulos do ambiente não possue estado interno não é capaz de planejar com antecedência o projetista escolhe e codifica (hard-wire) a meta dentro do agente (em oposição a construir um agente com capacidade de tomada de decisões)

3 Agente reativo simples não funciona bem em ambientes para os quais o mapeamento entre percepções ações é muito grande para ser armazenado ou levaria muito tempo para aprender não sabe o que suas ações podem realizar (quando elas podem ser executadas e quais são os seus efeitos): essa informação está implícita nas regras que mapeiam percepções em ações.

4 Agente que resolve problemas Um tipo de agente baseado em metas Decide o que fazer (possui uma especificação de sua própria meta) Conhece os efeitos de suas ações e em que situações elas podem ser executadas Usando algoritmos de busca de propósito geral, o agente encontra uma sequência de ações que o leva a um estado do mundo desejado (estado meta) Como definir problemas para o agente que resolve problemas?

5 Agente que resolve problemas Meta: conjunto de estados do mundo onde a meta do agente é satisfeita Ações: causam transições de um estado para outro Questões que o agente deve responder: - Qual é o estado meta que devo atingir? - Que tipo de ações eu posso usar? - Que mudanças no mundo eu provoco? - Quais ações me levam ao estado meta?

6 Agente que resolve problemas FORMULAÇÃO BUSCA EXECUÇÃO Formulação da meta: determina o(s) estado(s) meta Formulação do problema: escolha de um conjunto relevante de estados e ações Busca: imaginar ou deliberar as sequências de ações que atinjam um estado meta Solução: conjunto de passos que atinge a meta Execução: realização dos passos/ações da solução

7 Agente que resolve problemas FORMULAÇÃO BUSCA EXECUÇÃO função Agente-Resolve-Problemas (p) devolve ação entradas: p, uma percepção estático: seq, uma sequência de ações, inicialmente vazia estado, descrição do estado atual g, uma meta, inicialmente nula problema, uma formulação de problema estado ATUALIZA-ESTADO (estado, p) se seq vazia então faça g FORMULA-META (estado) problema FORMULA-PROBLEMA (estado, g) seq BUSCA (problema) ação PRIMEIRA (seq) seq RESTO (seq)

8 Agente que resolve problemas fazendo uma busca no espaço de estados: suposições sobre o ambiente estático totalmente observável discreto determinístico

9 Formulação de Problema Envolve o conhecimento que um agente deve usar para resolver o problema: estado inicial (que o próprio agente sabe estar) descrição das ações do agente, dada por: função sucessor de estado (Sucessor-FN(s)): devolve um conjunto de pares ordenados (ação, estado-sucessor) ou conjunto de operadores: que podem ser aplicados aos estados, gerando os estados sucessores teste de meta: checa por um conjunto explícito de estados meta ou por uma propriedade do estado (ex.: cheque-mate do xadrez) função custo de caminho (p. ex: a soma dos custos das

10 Espaço de estados do problema: conjunto de todos os estados alcançáveis a partir do estado inicial (uma medida do tamanho de complexidade) Caminho no espaço de estados é uma seqüência de estados conectados por uma seqüência de ações Uma solução para um problema é um caminho do estado inicial a um dos estados meta Solução ótima: solução de menor custo Árvore de busca: árvore construída, a partir do espaço de busca, para um problema específico; os estados do mundo representam os nós da árvore Estado inicial: raiz da árvore Estado Meta: folha(s) da árvore 1 Espaços de problemas

11 1 Exemplo: Romênia érias na Romênia. No momento em Arad. O vôo sai no dia seguinte para Bucharest. Formular meta: chegar em Bucharest Formular problema: estado inicial: Arad ações: dirigir entre cidades função custo: kilometragem total ou tempo de viajem teste de meta: estou em Bucharest? Encontrar solução: sequência de cidades, por exemplo: Arad, Sibiu, Fagaras,

12 1 Mapa de estradas Oradea Neamt Zerind Iasi Arad Sibiu Fagaras Vaslui Timisoara Lugoj Mehadia Rimnicu Vilcea Piteste Bucharest Urziceni Hisrov Dobrete Craiova Giurgiu Eforie

13 1 O mundo do aspirador Estado do mundo: localização do agente e localizações com sujeira Conjunto de Estados: o agente está em um dos 2 cômodos e cada um pode estar sujo ou limpo: 8 estados do mundo possíveis Estado Inicial: qualquer um dos 8 estados Função sucessor: gera os estados legais resultantes da execução das 3 ações: Esquerda, Direita e Aspira Teste de meta: teste se os 2 cômodos estão limpos (sensores: sensor de posição; sensor local de sujeira) Custo: cada passo tem custo 1, o custo do caminho é o

14 1 Estados do mundo do aspirador l estado meta 8 estado meta

15 Espaço de estados do mundo do 1 aspirador A E D E D A D D E D D A E A A E A E A D E A D

16 1 O mundo do aspirador A toy problem localizações discretas sujeira discreta ações determinísticas (limpeza prefeita) ambiente estático (cômodos permanecem limpos) Um ambiente maior, com n localizações possui (n x 2 n ) estados.

17 1 8-puzzle 5 4 Estados:?? Operadores:?? Teste de meta:?? Função custo:?? 6 l Estado Inicial l Estado Meta

18 1 8-puzzle l l Estado Inicial Estado Meta Estados: posição de cada uma das 8 peças em um dos 9 quadrados Operadores: movimentação do quadrado vazio para a esquerda, direita, para cima ou para baixo, que resulte em estados legais Teste de meta: estado deve casar com a configuração do Estado Meta Função custo: cada passo custa l comprimento do caminho. 9!/2= estados alcançáveis

19 Instâncias aleatórias são resolvidas otimamente em alguns mili-segundos pelos melhores algoritmos de busca 24-puzzle (5 x 5): possui estados puzzle (tabuleiro 4 x 4) l trilhões de estados alcançáveis

20 Teste de meta: 8 rainhas no tabuleiro sem perigo de ataque A formulação correta faz uma grande diferença no tamanho do espaço de busca: 8-rainhas: de 3 x para 2057 sequências possíveis para serem investigadas) 100-rainhas: redução de para (ainda é um problema muito grande para ser resolvido por um agente de busca) 2 Problema das 8-rainhas

21 2 Problemas do mundo real (pag 67) Problemas de roteamento (redes de computadores, planejamento de operações militares, sistemas de planejamento de viagens aéreas) Navegação de robôs Linha de montagem automática Busca na Internet

22 2 Busca por soluções Objetivo: Procurar por uma sequência de ações que transfore o estado inicial do mundo no estado meta Possibilidades: Não existir solução Encontrar uma solução (qualquer solução) Encontrar a solução ótima (custo de caminho baixo) Custo do caminho x Custo da busca compromisso entre encontrar a melhor solução e o tempo gasto na busca

23 2 Algoritmo de busca analisa múltiplas escolhas de caminho para gerar uma sequência de ações faz essencialmente: (1) escolher uma opção e deixar outras para analisar mais tarde ou (2) avaliar todas as seqüências em paralelo usa uma estrutura em árvore para visitar as opções árvore de busca a decisão de quem escolher primeiro define uma estratégia de busca diferente

24 Espaço de estado: 20 nós Árvore de busca: infinitos nós 2 Oradea Zerind Neamt Iasi Arad Sibiu Fagaras Vaslui Timisoara Lugoj Mehadia Rimnicu Vilcea Piteste Urziceni Bucharest Hisrova Dobrete Craiova Giurgiu Eforie

25 2 Estrutura de dados para árvores de busca Um nó é formado por 5 componentes: estado nópai operador (usado para gerá-lo) profundidade custo do caminho função EXPANDA: gera os 5 componentes de um nó

26 2 Algoritmo geral de busca função Busca-Geral(problema, Queueing-FN) devolve uma solução, ou falha /* inicializa a árvore de busca com o estado inicial do problema */ nós CRIA-LISTA(Estado-Inicial[problema]) laço faça se a lista de nós estiver vazia então devolva falha nó Remove-Primeiro (nós) se Testa-Meta(nó) então devolva nó (e o caminho da raiz até o nó) nós Queueing-FN (nós, EXPANDA(nó, Ações[problema])) fim Estratégias em Queueing-FN: inserção numa fila: busca em largura inserção numa pilha: busca em profundidade fila de prioridade: A* (ordenar a fila de acordo uma função de avaliação)

27 2 K G C F J N I M O H B L D A E BDG CEKL EFODH IICO M NF JI... A G B D K C L E E O F H D C I I M F N O Árvore de busca gerada sem nós repetidos adotando uma estratégia de busc espaço de estados X árvore de busca Busca em Largura (BFS) B DCEIMNJ FI F E GKOI... Busca em Profundidade (DFS)

28 Completude: a estratégia garante encontrar uma solução, se existir uma? Qualidade da solução: a estratégia encontra a solução ótima? Complexidade de tempo: quanto tempo gasta para encontrar uma solução? Complexidade de memória: quanto de memória é preciso? Quecaracterísticas deve ter um espaço de busca para que a estratégia seja adequada? 2 Estratégias de Busca: avaliação

29 2 Estratégias de busca não-informada BUSCA CEGA: não usa informações adicionais sobre a solução procurada. Variam quanto a ordem em que nós são expandidos: Busca em largura - Breadth first Busca em profundidade - Depth first Busca de custo uniforme Busca em profundidade limitada Busca em profundidade iterativa Busca bidirecional Não possuem informação sobre o número de passos, ou o custo, do caminho entre um nó e a meta.